情報検索コラム
情報検索・調査・利用について
“知っていると便利”“こんなときどうする”“コレにはご注意！”などなど思いつくままに書かせていただきます。
ちなみに「三月うさぎ」はルイス・キャロル著『不思議の国のアリス』に出てくる「いつまでも終わらないお茶会をしている」ちょっとヘンなうさぎです。
「ティールーム」は、お仕事の休憩時間のお茶といっしょに読んでいただけるくらいの長さと内容というコンセプトを、アリスの三月うさぎの「お茶会」にかけてあります。（毎月1回更新します）
情報の信頼性判断のヒント －信頼性判断のヨコ軸とタテ軸(1)－
注意：記載内容やリンクは執筆時点での情報です。
今回のコラムも書籍執筆の経験から、情報の信頼性判断のヒントになりそうなことを書いてみたいと思います。
かなり以前（２００９年）のことですが出版社・ひつじ書房から依頼を頂き『社会人・学生のための情報検索入門』という本を書かせて頂きました。書籍執筆は執筆経験の内容が濃くて深かったので、いつかこのコラムでその経験を書きたいと思っていました。そんななかで最近は、信頼してはいけない記事の拡散や、ＡＩが自動で作成した記事の信頼性の問題などが広く取り上げられるようになってきました。そこで「一般に公開される情報の信頼性」という観点から書くならば、執筆にあたって経験した様々な事柄も皆さんの役に立つかもしれないと思います。そんな経緯からここ数回のコラムでは情報の信頼性判断のヒントになりそうなことを書いています。
今までに書いた信頼性判断のヒントでは、複数の情報を入手して比較して検証や確認をすることを書きました。今回のコラムでは検証や確認にあたって複数の情報を入手するときのヒントとして、情報入手のときのヨコ軸とタテ軸について書きたいと思います。
どんな情報も単独では存在しません。例えば非常に優れた発明（技術情報）であっても、その発明に先行する技術があります。また同じ分野で研究開発している技術者や研究者は複数います。発明に限らずニュースや雑誌記事などの一般情報も、全く単独で発生するということは無いのが普通でしょう。だから情報の信頼性を確認するときは、その情報に関連する複数の情報を入手して比較検証する。このときに使える考え方が「ヨコ軸」と「タテ軸」です。今回のコラムでは（１）としてヨコ軸について詳しく見ていきたいと思います。
信頼性判断のためのヨコ軸の考え方
生成ＡＩが身近に使えるようになってから、フェイク動画やフェイクニュースの見分け方などが様々に紹介されています。フェイクであることの見分け方を知ることも大事ですが、他の方向からの検証のしかたとして「ヨコ軸」での情報入手による確認方法があります。
例えば昨年（２０２３年）は「トランプ前米大統領逮捕」のフェイク画像が話題になったことをご存知の方も多いと思います。このフェイク画像は旧ツイッターで拡散しました。このときの情報検証の考え方として、前米大統領逮捕のような大きなニュースであれば旧ツイッターのようなＳＮＳだけでなく、新聞社などの報道機関でも報道しているはずです。だから新聞社などの報道機関の情報を確認する。これが情報確認のための「ヨコ軸」での確認方法です。
ヨコ軸の取りかたのポイントは、確認したい情報（例えばフェイクニュース）と切り離されていて、かつ信頼性の高い情報源を確認することです。フェイクニュースがＳＮＳで拡散しているならば、ＳＮＳ内ではフェイクニュースを基にしたフェイクニュース、つまり同じフェイクニュースが複数存在する。だからＳＮＳ内で確認しても意味がない。そこでＳＮＳではなく信頼性の高い情報源として、新聞社の報道を確認する。そういうことです。
フェイクニュースの場合は皆さんも同じ情報源で確認しないように注意すると思いますが、普通にインターネット検索などで入手した情報の検証も注意が必要です。
例えばコラム２４３号では「他人の判断よりも自分の判断を」として、フリー百科事典ウィキペディアの信頼度について書きました。ウィキペディアは信用できるのかどうか、複数の情報を参照して判断することを書きました。このとき例にとったのは「アルゴリズム」という用語です。この「アルゴリズム」という用語のウィキペディアでの説明に対して、検証に使ったのは冊子体の国語辞典と英和辞典とパソコン用語辞典です。
ウィキペディアはインターネット上で誰でも利用可能なフリー百科事典なので、インターネット上で「アルゴリズム」という用語の説明を検索すると、ウィキペディアの内容を参考にして書かれた情報も存在します。だからウィキペディアとは切り離されている可能性が高くて、しかも信頼性も高いと思われる情報源として冊子体の国語辞典と英和辞典とパソコン用語辞典で確認しました。ちなみにこれらの冊子体は発行年が旧いのが難点でしたが、「アルゴリズム」という用語は古くから存在するので、発行年がやや旧版でもあまり問題無いと判断しました。
この検証においてウィキペディアでの「アルゴリズム」という用語の説明は信頼できると判断しました。参考としてコラム２４３号に紹介したウィキペディアでの説明と、パソコン用語辞典での説明箇所を再掲します。
ウィキペディアでの説明から抜粋：
「アルゴリズム（英: algorithm）とは、解が定まっている「計算可能」問題に対して、その解を正しく求める手続きをさす。あるいはそれを形式的（formal）に表現したもの。また、それを実行した際の効率性（要する時間や記憶領域）が優れていることも重要となり、大量の入力データなどに対する計算の際にも、より高速に（短時間に）実行可能となる。このようなアルゴリズムを、コンピュータへソフトウェア的に実装するものがコンピュータプログラムである。」（出典：フリー百科事典『ウィキペディア（Wikipedia）』２０２３年８月現在）
パソコン用語事典から抜粋：
「アルゴリズム algorithm ある問題を解くための一連の手順をいう。算法と訳す。コンピュータを使ってある問題を解く場合、そのための明確な方法と手順を完全なかたちで記述する必要がある。一般に、アルゴリズムとプログラムはほぼ同じ意味で使われるが、（途中省略）アルゴリズムはその、プログラムのもとになった問題解決の手順や考え方そのものを言う。（以下省略）」。（出典：『最新標準パソコン用語事典2013-2014年版』発行/秀和システム２０１３年）
両者の説明で、ウィキペディアの「アルゴリズムを、コンピュータへソフトウェア的に実装するものがコンピュータプログラム」という記述と、パソコン用語事典の「アルゴリズムはその、プログラムのもとになった問題解決の手順や考え方そのものを言う。」という記述は同じことを言っています。同じ概念を両者が逆の方向から説明しているだけで内容は一致する。このことからウィキペディアの記述の信頼性が確認できます。
というわけで、これがヨコ軸での検証方法の基本的な考え方です。
ヨコ軸の考え方の応用方法
上の項で書いた基本を基に応用する方法をいくつか書きます。
まず書籍執筆の経験から本の信頼性判断について書くと、本に書いてある内容の信頼性をヨコ軸の方向で複数の情報を入手して判断する場合です。この場合は同じ著者が書いた本や、同じ傾向の出版者が発行した本で確認しても同じようなことが書かれている場合が多い。だからその本の著者以外が書いたモノで確認する。
例えば拙著『社会人・学生のための情報検索入門』の中に書かれている「データベース検索の適合率」を説明した箇所で「適合率」という言葉は初めて聞いたと思った場合。本当にこの言葉がデータベース検索に使われているのかどうか確認するなら、味岡が書いたモノ以外で確認する方法がとれます。本には巻末に参考文献などが列挙されている場合が多いので、それらの文献などで確認することも可能です。
また著者が参考にした文献は「同じ傾向の出版者が発行した本」に該当する場合も多いので、さらに念を入れて確認するなら著者が参考にしていない文献や記事を、ウェブ情報も含めて確認する方法もあります。
もうひとつ応用例としてのヒントです。ウィキペディアの「アルゴリズム」の説明中で「アルゴリズム解析」の項には「あるアルゴリズムの実行に必要な計算資源（時間や記憶領域）の量を見積もることは重要である。そのような量を定量的に求める分析法はアルゴリズム解析と呼ばれ、研究がなされてきた。」（ウィキペディア、出典は上に同じ）と書かれています。この記述についてコラム２４３号で検証しました。
コラム２４３号で検証を行うにあたって、国立情報学研究所の CiNii Research で「アルゴリズム解析」をキーワード入力して書籍や論文を検索したり、特許情報プラットフォーム J-PlatPat で「アルゴリズム解析」を 全文検索したりしました。なぜ CiNii Research や特許情報プラットフォーム J-PlatPat を使ったかというと、単にインターネット検索するとウィキペディアの「アルゴリズム」の説明文を参考にして書いたと思われる記事が多くヒットしたからです。そこでウィキペディアとは無関係の情報源として、書籍の記述を確認したくて最初は Googleブックスで「アルゴリズム解析」を検索したのですが、残念まがらコラムで紹介できそうな内容が見つかりませんでした。そこで他のウィキペディアとは無関係の情報源として CiNii Research や特許情報プラットフォーム J-PlatPat での検証結果をコラムに書きました。
ちなみに ChatGPT に「アルゴリズム解析について、初心者に分かりやすく説明してください」と入力してみたところ次のとおりの回答でした。
ChatGPTの回答から抜粋：
アルゴリズム解析は、コンピューターサイエンスの分野で、アルゴリズム（問題を解決する手順や手法のこと）がどれだけ効率的であるかを評価するプロセスです。アルゴリズムが与えられた問題を解決する速さやリソースの使用量を理解し、比較することが目的です。初心者に分かりやすく説明すると、以下のポイントが役立つでしょう。（以下省略）
ChatGPT の学習するデータが一番多いのは英語（※参考１）とのことで、日本語のウィキペディアの記述とは違う書き方がされている印象です。日本語のウィキペディアの記述よりも詳しく、さらに「初心者に分かりやすく」という要求に応じた回答です。インターネット検索で同じ情報源からコピーペーストしたような情報ばかりヒットする場合、ChatGPT を使う方法もあるかもしれません。ただし ChatGPT も英語のデータを多く学習しているとはいえ電子データを読み込んでいるので、質問によってはインターネットの情報と同じ回答になることも多いと私は感じています。
余談：特許サーチャーはヨコ軸の使い方が上手！？
余談ではありますが、今回のコラムで書いたヨコ軸へ飛んで確認する方法は、特許調査における無効資料調査での調査戦略に通じるところがあるんですよね。
どういうことかというと、すでに特許登録された特許を無効にする資料を探す場合に「審査官が調査した範囲以外を探す」という調査戦略をとることがあります。例えば製品の筐体の細部の構造に特徴がある場合です。このとき特許公報や実用新案公報は審査官が必ず調査している。だから製品の筐体が載っている他の文献として例えば意匠公報を調査する。また一般情報として、その製品分野の雑誌記事や広告に掲載される同じ分野の他製品の写真を探す。新聞の新製品案内や広告の写真も調査する。このような調査戦略をたてることがあります。
例えば無効審判事件の無効審決採用証拠の文献を分析したデータ（※参考２）では、「薬品の承認基準書」「日本醸造協会の雑誌または刊行物」「工事の見積書と図面」が挙げられています。いずれも特許公報以外の文献（非特許文献）です。つまり今回のコラムで言うヨコ軸へ飛んで見つけた資料です。
ちなみに無効資料調査での非特許文献の調査についてはコラム１８４号で詳しく書きました。
一般のかたがここまでヨコ軸を考える必要は無いと思いますが、特許サーチャーのテクニックのひとつとして余談で書いてみました。
無効資料調査について書いたついでに、もうひとつ余談を書くと「信頼性判断のためのヨコ軸の考え方」の項で、ウィキペディアの「アルゴリズムを、コンピュータへソフトウェア的に実装するものがコンピュータプログラム」という記述と、パソコン用語事典の「アルゴリズムはその、プログラムのもとになった問題解決の手順や考え方そのものを言う」という記述は同じことを言っていると書きました。無効資料調査では、このような同じ概念の記述を拾いだす必要があります。つまり同じ概念の記述であると理解できる判断力が必要ですが、ＡＩには同じ概念の記述であるという理解はしてしていない（らしいです）。仮にＡＩにウィキペディアの記述を入力して、アルゴリズムやプログラムという用語のつながりからパソコン用語事典の記述をＡＩが関連度が高い情報として拾ってきたとしても、最終的に理解して判断できるのは人間。だからこれからのサーチャーは読解力や理解力、判断力がさらに求められるようになるかなと思います。
参考文献
※参考１（書籍）
書 名：大規模言語モデルは新たな知能か : ChatGPTが変えた世界
著 者：岡野原 大輔
出版者：岩波書店
出版年月 ：2023年6月
※参考２（文献）
題 名：無効審判事件分析による特許審査の質の検証
著 者：特許第1委員会第4小委員会
掲載誌：知財管理（2017年1月号）
掲載頁：p40-50
発行者：日本知的財産協会
今回のコラムでヨコ軸の取りかたのポイントは、確認したい情報と切り離されていて、かつ信頼性の高い情報源を確認することだと書きました。この考え方はフェイクニュースなどには有効だと思います。でも実際には「どんな情報も単独では存在しません」です。書籍に書かれる内容はウェブ上の情報を参考に書かれることも多いから、書籍とウェブはつながっています。また書籍も電子データが Googleブックスで検索できるものが増えていくでしょう。だから確認したい情報と切り離されていて、かつ信頼性の高い情報源を確認するというのは、これからはますます難しくなっていくかもしれない。コラムを書きながら、そんなことも思いました。
